人工智能驱动的自动驾驶车辆技术提供商Kodiak AI已与Verizon Business合作,为其无人驾驶卡车服务带来连接性和物联网数据能力。
Kodiak AI成立于2018年,提供AI驱动的自动驾驶车辆技术,旨在帮助解决面临前所未有的供应链挑战时安全运输货物的问题,并应对一些最具挑战性的驾驶工作。
该公司为长途货运、工业货运和国防行业的客户提供服务,其既定愿景是成为自动地面运输领域值得信赖的世界领导者。Kodiak AI表示致力于通过大规模商业化无人驾驶卡车技术,为所有人创造更安全、更高效的未来。该公司认为在2024年实现了历史性里程碑,成为首家在商业服务中部署客户拥有和运营的无人驾驶卡车的公司。
为此,Kodiak开发了Kodiak Driver,这是一个虚拟驾驶员,将先进的AI驱动软件与模块化和车辆无关的硬件相结合,进一步满足客户需求。
Kodiak Driver融合了允许人类在某些低速和明确定义的场景中为车辆提供远程协助的技术,这些场景受益于人类的参与。Verizon连接性使Kodiak的无人驾驶车辆能够与辅助自动驾驶驾驶员通信,并在车辆和指挥中心之间发送任务关键通信,在偏远环境中实现长距离低延迟传输。
此次合作利用Verizon的5G和LTE网络、物联网远程信息处理和ThingSpace管理平台,帮助满足Kodiak对先进数据能力的需求。使用案例包括空中软件更新、远程车队管理,以及为Kodiak的长途货运和工业操作提供熟练的远程协助。
Verizon为自动驾驶车辆操作的密集数据需求提供定制的5G和LTE数据计划。该网络为必需的空中软件更新提供高带宽、低延迟连接,并在美国各地的操作中心和卡车之间实现近实时通信。
连接性对于Kodiak的辅助自动驾驶能力至关重要。该能力由Verizon合作伙伴和汽车级远程驾驶技术提供商Vay Technology支持,允许远程操作员快速查看摄像头画面和传感器数据,并引导自动驾驶卡车通过定义的场景。这种人工监督旨在增强安全性,并有助于提高日常操作效率。
ThingSpace集中式物联网平台允许Kodiak的IT团队轻松监控、管理和排除整个车队的连接问题。该平台跟踪数据使用情况并提供成本透明度,实现高效的操作扩展。
Kodiak AI创始人兼首席执行官Don Burnette表示:"我们的自动驾驶即服务业务模式需要高度可靠、低延迟的通信来满足许多不同的数据传输和管理需求。这是物理AI的实际应用,能够实现24/7无人驾驶操作,而Verizon的蜂窝和物联网能力为Kodiak安全扩展业务并为客户提供服务提供了支柱。"
Verizon表示,有了网络基础,Kodiak能够为其客户提供下一代无人驾驶服务,包括为工业客户提供昼夜货运服务,以及与货运合作伙伴进行长途货运。
Verizon Business全球解决方案高级副总裁Daniel Lawson补充说:"Kodiak在物流方面的前沿方法展示了由AI和连接性驱动的未来交通运输的巨大潜力。我们的物联网解决方案、5G网络和数据平台现在支撑着各种规模的联网车辆操作。现在AI催化了对自动移动的新热情,可靠的连接性和数据服务变得前所未有的重要。"
Q&A
Q1:Kodiak AI是什么公司,主要做什么业务?
A:Kodiak AI是一家成立于2018年的人工智能驱动的自动驾驶车辆技术提供商,主要为长途货运、工业货运和国防行业客户提供AI驱动的自动驾驶车辆技术,致力于通过无人驾驶卡车技术解决供应链挑战和运输安全问题。
Q2:Kodiak Driver有什么特殊功能?
A:Kodiak Driver是一个虚拟驾驶员系统,将先进的AI驱动软件与模块化硬件相结合。它具备辅助自动驾驶能力,允许人类在低速和明确定义的场景中提供远程协助,通过摄像头画面和传感器数据引导自动驾驶卡车,增强安全性和操作效率。
Q3:Verizon在这次合作中提供了哪些技术支持?
A:Verizon提供5G和LTE网络连接、物联网远程信息处理和ThingSpace管理平台。具体包括定制数据计划、空中软件更新、远程车队管理、低延迟通信服务,以及集中式物联网平台来监控管理整个车队的连接状况和数据使用情况。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。